运用LOGWARE4．0软件中的“COG”模块对仓库选址进 行精确重心法求解。实验结果如图2所示。实验表明，从25 次迭代以后，运算结果保持不变。因此 ，该仓库的地址为 = 6．298，Y=6．484，运输成本为55 015 057．44美元。 图2 运用精确重心法求解仓库选址问题的结果 4．1．3 粒子群算法求解实例结果 采 用 MATLAB7进 行 算 法 编 程 ，在 Intel Core2 Duo CPU T7100 1．80 GHz的计算机上进行计算。经过多次实验， 最终确定粒子群算法的各项参数 ：种群规模 m=25，惯性权重 CO=0．2，学习因子 c，=c，=1．5，迭代次数 gmax=30。 经过一次计算机实验 ，得到的初始种群如图3所示，经过 3O次迭代，种群的平均适应度和最优适应度的变化情况如图4

物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历史货量数据集物流网络历

自动化立体仓库是现代物流系统中迅速发展的一个重要组成部分,是一种 多层存放货物的高架仓库系统，由自动控制与管理系统、高位货架、巷道堆垛机、 自动入库、自动出库、计算机管理控制系统以及其他辅助设备组成。它具有节约 用地、减轻劳动强度、消除差错、提高仓储自动化水平及管理水平、提高管理和 操作人员素质、降低储运损耗、有效地减少流动资金的积压、提高物流效率等诸 多优点。如今我国国民经济的飞速发展，自动化立体仓库必然会在各行各业中得 到越来越广泛的应用。本文所涉及的的电气控制主要由西门子公司的PLC、步进 电机驱动器、步进电动机、直流电动机等器件组成。本文首先对本课题进行简要 的介绍，包括背景，研究意义，现状等；其次对该系统的硬件组成、结构、原理 进行了阐述和分析；再次对本系统用到的器件分别进行介绍，重点对PLC程序 进行了编写；最后对设计本课题所学到的知识进行归纳和总结。

基于JAVA开发的物流仓库管理系统（支持自营和第三方），包含PDA端和Web端。 开发语言：JAVA。 技术架构：SpringMVC+Hibernat+Minidao（类Mybatis）+Easyui（UI库）+ Jquery + Boostrap +Ehcache + Redis + Ztree等基础架构. 1、适用范围：第三方物流仓储企业，自营仓储等。 2、技术特点：基于JAVA的WEB后台，基于ANDROID开发的PDA系统。 3、功能特点：涵盖订单管理系统（OMS），仓储管理系统（WMS），计费管理系统（BMS），现场作业系统（RF），第三方接口模块 4、接口支持：已经对接：SAP ECC，SAP HANA 数据库，用友U8，百胜E3，UAS。 5、对接自主研发ERP管理系统 6、增加进销存模块 7、增加BOM

【般若系统V5】是步步亿佰公司在2011年针对快递及配送企业推出的物流软件精品，软件设计之初即确定软件支持：快递模式、配送模式、快递配送混合模式。在充分吸收同行软件特点及各物流企业的建议后，软件更加符合物流企业要求。软件具有简洁的操作界面，严谨的操作流程，丰富的自定义功能，能完全满足不同快递企业间的差异业务操作模式。 软件历经5年的发展，在系统稳定性、实用性、高并发及大数据支撑方面得到了质的提升。快递配送，般若是您的不二之选。 —————————————————————————— 测试版免费账密： 账号：110001、110002、110003…………(任选其一) 密码：0 （以上测试账号密码全部为零） —————————————————————————— 注：测试试用系统请勿更改密码。

BDD100K数据集。BDD100K（Berkley DeepDrive 100K）是一个大规模的自动驾驶数据集，由加州大学伯克利分校的Berkley DeepDrive项目团队创建。该数据集旨在为自动驾驶研究提供大量的真实世界驾驶场景数据。 BDD100K数据集包含超过10万个视频序列，涵盖了不同地点、不同天气条件、不同场景的驾驶情况。每个视频序列都配备了高分辨率的前置摄像头记录的图像和对应的传感器数据，如GPS位置、车辆速度、车辆加速度等。这使得研究人员可以在真实世界的多样化驾驶场景中进行算法和模型的测试和评估。 BDD100K数据集主要关注场景理解和目标检测任务。它提供了包括车辆、行人、自行车、交通标志等多个类别的标注边界框。此外，数据集还提供了语义分割标注，用于对图像进行像素级别的分类。这使得研究人员可以进行更细粒度的场景理解和分析。 BDD100K数据集的规模和多样性使得它成为自动驾驶研究和算法开发的重要资源。研究人员可以利用该数据集进行目标检测、语义分割、行为预测等任务的训练和评估。一共上传的是7万张图片以及对应的标签（json格式），需要进行格式转换。图片过大传不了

100多套大数据可视化炫酷大屏Html5模板；包含行业：社区、物业、政务、交通、金融银行等，全网最新、最多，最全、最酷、最炫大数据可视化模板

1、本资源针对SiouxFalls交通网络，基于Frank Wolfe算法，求解交通分配用户均衡模型。 2、UE.py为代码；Link.csv为边信息；Node.csv为节点信息（未用到，其中包括节点坐标）；OD.csv表示OD流量需求；此外包括网络均衡结果.csv。 3、用户均衡，表示没有用户可以通过单方面改变出行路径，从而降低出行费用。 4、本资源代码逻辑较为明确，便于阅读、学习。

包括了SUMO充电站的使用方法、规则路网的生成等内容。

西南交通大学 机器学习 实验10.docx